mycat是什么？
1.mycat是一个彻底开源的，面向企业应用开发的大数据库集群，
2.支持事务、ACID、可以替代MySQL的加强版数据库，目前支持关系型数据库以及非关系型数据库
3.可以用来代替昂贵的oracle数据库
4.mycat是一个大数据（HDFS）的sql引擎
通过上面的介绍，我们知道，mycat其实就是一个数据库
为什么叫mycat？
mycat再初期的时候，是为了用来代替昂贵的oracle存在的，因此它支持的是免费的mysql数据库，也只支持mysql数据库，现在mycat已经可以支持多种数据库了，换句话说，mycat就是mysql的增强版。
再之前介绍架构，我们知道当数据库压力大的时候，使用独写分离和分库分表，但是mysql是不支持的，使用mycat来实现mysql独写分离和分库分表。
什么是HDFS?
HDFS:大数据的分布式文件存储系统
H:Hadoop（大数据），D：Distributed(分布式的)，F：File（文件），S：System（系统）。
在大数据中，数据量是非常大的，如果有1PB的数据（1PB=1024TB），没有这么大的硬盘，那么数据应该如何存储呢？
将数据拆分为块，分别存储进不同的磁盘中，假设将这1P的数据，分为10份/20份，分别存储在10/20个磁盘上，当需要读取数据时，就从各个小的磁盘上来获取数据。
同样的，如果想要在1PB中查询一条数据，效率是非常低的，但是如果拆分为小块，查询数据时，直接到相应的块中查询，效率就会变高。
比如说：
1：在100条数据中查询第58条数据
2：将100条数拆分为10份，每份存十条，查询第58条数据，就到相应的块中查询数据，这就相当于在10条数据中查询一条数据
对比上面两种方式，可以看出第2种方式效率会比较高，当然这里假设的数据量比较少如果多的话呢？
HDFS就是通过第二种方式实现的，将大数据切分为块，分别存储到不同的服务器上，这个服务器称为数据节点DataNode（以下简称DN）。
那么现在的问题就是：如何确定要查询的数据存放在哪儿个数据节点上呢？
在之前写架构时，提到了，使用一个节点，这个节点就存放每个数据节点上存放的数据：
比如说，将1份很大的数据拆分为10份，然后将这十份数据标上号：1，2，3，...10。然后使用一个服务器节点，节点内容就是一号服务器放第一份和第三份数据，2号服务器放第2份和第四份数据.....这个节点就称为命名节点NameNode（以下简称NN）。
注意：在将数据拆分存储时，要保证每份数据在服务器集群中至少存在两个节点上。
NameNode是在内存中做计算的。（why？在内存中计算速度非常快，但是比较消耗内存资源）
下面使用一张图来帮助理解：
从这里可以看出，NN是非常重要的，获取数据都是通过NN来找数据的位置的，那么如果NN宕机，就获取不到一条数据了。
这里有一个问题，NN是在内存中做计算的，如果NN宕机，那么占用的内存资源就会被释放，NN中的数据就没有了，即使重启，也获取不到数据，如何解决？
NN每隔一个小时，就会将数据持久化到硬盘中，当NN重启后会从硬盘中加载数据，这个过程大概20秒。
问题2：NN宕机重启后，可以从磁盘中获取数据，但是NN宕机时并不工作，如何获取数据，以及存储新的数据节点，重启后如何保证存储的数据正确？
其实除了NN之外，还有一个备用命名节点SecondaryNameNode（以下简称SN），DN中的数据会定期的向NN和SN中分别保存，SN负责监视NN，但是SN不是NN的从节点。
SN会不定时的检测NN的持久化硬盘中的数据，一旦发现自己有的数据，硬盘中没有，就会向硬盘中存入数据，也就是说，SN和NN组合在一起成为一个新的硬盘，替换掉原来的NN的硬盘，当NN重启后，会从新的硬盘中加载数据到内存。
关于大数据时，总会问到的一个问题：如何在10G的数据中查询两条重复的数据？
看到这个问题，正常想到的可能会是for循环，但是当数据量非常大的时候，不能这样用，如果使用for循环，可能要查一个月，如何查找呢？
在HDFS中，查询两条相同数据，因为是分块查询，因此会每一块每一块的查询，并标记当前块中，每条数据出现的次数，如：
mycat就是使用的HDFS的方式实现的，不过这里将F该成了D，mycat是HDDS（High Distributed Data System）,